Загрузка, идентификация и проверка

В случае образца секвенирования одиночных прочтений анализироваться будет один файл и начальная стадия анализа будет называться "Загрузка, идентификация и проверка". В случае образца секвенирования парных прочтений анализироваться будут два парных файла и начальных стадий анализа будет две: "Загрузка, идентификация и проверка первичного файла" и "Загрузка, идентификация и проверка парного файла".

На начальной стадии анализа файл или файлы образца в формате FASTQ или BAM загружаются, определяется их формат и проводится их проверка. При ошибке выполнения любой из перечисленных ниже задач анализ образца останавливается.

Стадия анализа образца "Загрузка, идентификация и проверка" может включать следующие задачи:

1. Загрузка. Если вы загружаете файл(ы) образца с компьютера, а не по ссылке, то загрузка может прерваться. Чтобы её восстановить, воспользуйтесь формой возобновления загрузки.
2. Идентификация: определение формата данных и типа секвенатора. Для образца, загруженного в формате BAM, будет произведена проверка на целостность с помощью samtools quickcheck.
3. Сжатие FASTQ в GZIP архив, если образец был загружен в виде файла в формате FASTQ, не запакованного в архив или запакованного в архив, отличный от GZIP (например, ZIP, BZIP2, 7-ZIP, XZ, WIM, RAR). Сжатие осуществляется с помощью Pigz.
4. Перевод в FASTQ, если образец был загружен в формате BAM. Осуществляется с помощью GATK SamToFastq. Полученные файлы в формате FASTQ сжимаются в GZIP архив с помощью Pigz. Оригинальный файл в формате BAM можно скачать в разделе "Файлы с результатами" в деталях задачи "Перевести в FASTQ" ("Скачать Original BAM").
5. Образец может быть загружен в виде файла с чередованием парных прочтений (interleaved). В таком файле для каждой пары прочтений первичное прочтение всегда записывается непосредственно перед соответствующим парным прочтением. Такой образец проходит дополнительные задачи подготовки к анализу Резервная копия и Исходный файл для устранения чередования (deinterleave), необходимые для аккуратного разделения прочтений из файла на первичные и парные и записи их в два отдельных файла. Все задачи до разделения, кроме идентификации, будут записаны в детали стадии "Загрузка, идентификация и проверка первичного файла", а стадия "Загрузка, идентификация и проверка парного файла" будет включать только задачи "Идентификация", "Определение типа прочтений" и "Проверка".
6. Определение типа прочтений: ДНК, РНК или неизвестный (UNKNOWN). Это экспериментальная функция, которая не влияет на дальнейший ход анализа. Определяется встроенным классификатором, который предсказывает тип последовательности с помощью модели LSTM (long short-term memory; долгая краткосрочная память). Если тип определен неправильно, его можно поменять на странице образца.
7. Проверка файла на целостность; проверка того, что на каждое прочтение приходится по четыре строки; проверка того, что длины последовательности и качества последовательности одинаковы.

Загруженный сжатый файл (или файлы) образца в формате FASTQ можно скачать наверху вкладки "Детали процесса анализа". В случае загрузки образца с чередованием парных прочтений для скачивания будут доступны первичный и парный файлы после разделения.

После успешного выполнения стадии "Загрузка, идентификация и проверка" анализ продолжается проверкой качества.